Как Google комбинирует данные о кинематике ввода и популярность запросов для формирования поисковых подсказок

Описание

Какую задачу решает

Патент решает проблему неточного ввода текста на устройствах с виртуальными клавиатурами (например, смартфонах), часто называемую «fat-fingering». Стандартные системы исправления ошибок, основанные только на лингвистических моделях или анализе касаний, могут неверно интерпретировать намерение пользователя, если не учитывают глобальный контекст поискового поведения.

Что запатентовано

Запатентована система для генерации и ранжирования подсказок ввода (автодополнение и исправление опечаток). Она объединяет локальные данные с устройства (кинематика ввода: координаты, длительность, давление касания) и серверные данные (популярность поисковых запросов). Ключевым элементом является механизм, позволяющий популярности запроса (Popularity) переопределить (override) рейтинг, основанный на вероятности правильности написания (Spellcheck Ranking).

Как это работает

Система функционирует в несколько этапов:

• Сбор данных на устройстве: Фиксируются детальные данные о вводе на virtual keyboard: точные locations касания, durations нажатия и amount of pressure.
• Генерация кандидатов и Spellcheck: На основе этих данных (локально или на сервере) генерируются потенциальные candidates. Проверка орфографии ранжирует их по вероятности (likelihood) того, что они соответствуют вводу пользователя.
• Оценка популярности (Сервер): Сервер определяет Popularity каждого кандидата на основе частоты его использования в качестве поискового запроса (search queries).
• Корректировка ранжирования: Система комбинирует вероятность и популярность. Если менее вероятный с точки зрения орфографии кандидат значительно популярнее в поиске, его рейтинг повышается.
• Вывод подсказок: Скорректированный список отображается пользователю.

Актуальность для SEO

Высокая. Точность автозаполнения и исправления опечаток критически важна для мобильного поиска. Использование популярности запросов для уточнения намерений пользователя при неоднозначном вводе является стандартом в современных интеллектуальных системах ввода (IME) и системах подсказок.

Важность для SEO

Патент имеет среднее-высокое значение (7/10) для SEO-стратегии. Хотя он не описывает алгоритмы ранжирования веб-страниц, он напрямую влияет на этап Формирования Запроса (Query Formulation). Он демонстрирует механизм, с помощью которого Google активно направляет пользователей к популярным, устоявшимся формулировкам. Это снижает эффективность таргетинга на опечатки и подчеркивает стратегическую важность оптимизации под запросы с высокой реальной частотностью.

Детальный разбор

Термины и определения

Adjusted Ranking (Скорректированный рейтинг)

Итоговый рейтинг кандидатов после учета как Spellcheck Ranking, так и Popularity.

Candidates (Кандидаты)

Потенциальные текстовые строки, которые система идентифицирует как возможные интерпретации ввода пользователя.

Input Data (Данные ввода / Кинематика ввода)

Сырые данные, собранные с виртуальной клавиатуры. Включают: координаты касания (locations), продолжительность нажатия (durations), силу давления (amount of pressure), а также ввод, который не регистрируется как нажатие клавиши.

Popularity (Популярность)

Метрика, определяемая на сервере, основанная на частоте (frequency), с которой кандидат используется в качестве поискового запроса (search queries) другими пользователями.

Spellcheck Ranking (Рейтинг проверки орфографии)

Первоначальный рейтинг кандидатов, основанный на вероятности (likelihood или probability) того, что кандидат является правильным написанием слова, соответствующего вводу пользователя. Определяется на основе Input Data и лингвистических моделей.

Virtual Keyboard (Виртуальная клавиатура)

Программный интерфейс ввода на сенсорном экране.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод корректировки рейтинга подсказок на основе популярности.

1. Система получает данные ввода с виртуальной клавиатуры.
2. Идентифицируется текстовая строка.
3. Выполняется spellcheck для идентификации Первого и Второго кандидатов. Они ранжируются по вероятности правильного написания (Рейтинг Первого > Рейтинг Второго).
4. Определяется Popularity (частота использования в качестве поисковых запросов) для обоих кандидатов (Популярность Второго > Популярность Первого).
5. Рейтинг кандидатов корректируется (adjusting the ranking) на основе популярности таким образом, что Второй кандидат теперь ранжируется выше Первого.
6. Система выводит список кандидатов на основе скорректированного рейтинга.

Ядро изобретения — это использование данных о популярности поисковых запросов для переопределения (override) рейтинга, основанного на анализе кинематики ввода и проверке орфографии. Система отдает предпочтение более популярному интенту.

Claim 2 (Зависимый от 1): Уточняет механизм ранжирования.

Для каждого кандидата определяется оценка (Score), основанная на комбинации i) рейтинга проверки орфографии и ii) популярности. Корректировка рейтинга основывается на этих комбинированных оценках. Это описывает механизм слияния двух разнородных сигналов в единую метрику.

Claim 5 (Зависимый от 1): Уточняет условие корректировки.

Корректировка рейтинга происходит на основании того, что популярность Второго кандидата перевешивает (overriding) рейтинг проверки орфографии Первого кандидата.

Где и как применяется

Изобретение применяется на этапе QUNDERSTANDING – Понимание Запросов, а именно в фазе Формирования и Нормализации запроса.

Этот процесс происходит в реальном времени во время ввода текста пользователем (например, в Gboard или строке поиска), до того как запрос отправляется в основные системы ранжирования. Он определяет, какой именно запрос будет в итоге обработан поисковой системой.

Взаимодействие компонентов:

Патент описывает два варианта взаимодействия (FIG. 3 и FIG. 4):

• User Device (Клиент): Собирает Input Data (кинематику ввода). Может выполнять предварительную проверку орфографии (Вариант 2) или отправлять сырые данные (Вариант 1).
• Server (Сервер подсказок):
  • Получает данные от клиента.
  • Использует Spellcheck Engine (если не выполнено на клиенте) для генерации Spellcheck Ranking.
  • Использует Popularity Determination Engine и логи запросов (Popularity Data) для определения частоты.
  • Выполняет финальное ранжирование, комбинируя Spellcheck Ranking и Popularity.

Входные данные:

• Сырые данные о кинематике ввода (координаты, время, давление).
• ИЛИ: Предварительно ранжированные кандидаты с устройства.
• База данных частотности поисковых запросов (Сервер).

Выходные данные:

• Скорректированный и переранжированный список подсказок (Autocomplete suggestions), отправляемый на устройство.

На что влияет

• Устройства: В первую очередь влияет на мобильные устройства и планшеты, использующие виртуальные клавиатуры, где высока вероятность ошибок ввода.
• Типы запросов: Влияет на неоднозначные вводы и запросы, где существует несколько вариантов написания, но один из них значительно популярнее других (бренды, имена собственные, общие термины).

Когда применяется

• Условия активации: Алгоритм активируется в процессе ввода текста в поле, поддерживающем подсказки или автоисправление.
• Триггеры: Применяется, когда система идентифицирует несколько потенциальных кандидатов для ввода пользователя и существует значительная разница в их популярности. Механизм переранжирования активируется, когда Popularity может перевесить Spellcheck Ranking.

Пошаговый алгоритм

Рассмотрим Гибридный вариант (FIG. 4), который часто используется на практике.

1. Сбор данных и Идентификация (Устройство): Пользователь вводит текст. Устройство собирает Input Data (кинематику) и идентифицирует потенциальные текстовые строки.
2. Проверка орфографии (Устройство): Локальный Spellcheck Engine генерирует Кандидатов и ранжирует их на основе вероятности написания (Spellcheck Ranking). (Например: Кандидат А вероятнее Кандидата Б).
3. Передача данных (Устройство): Список ранжированных кандидатов отправляется на сервер.
4. Определение популярности (Сервер): Сервер определяет популярность полученных кандидатов на основе частоты поисковых запросов. (Например: Популярность Б значительно выше Популярности А).
5. Расчет оценок и Переранжирование (Сервер): Сервер рассчитывает финальные оценки (Scores), комбинируя Spellcheck Ranking и Popularity. Происходит переранжирование, если популярность Б перевешивает вероятность А. (Итоговый рейтинг: Б выше А).
6. Вывод (Сервер -> Устройство): Переранжированный список отправляется на устройство.
7. Действие (Устройство/Сервер): Пользователь выбирает кандидата (например, Б), и система выполняет поиск по этому запросу.

Какие данные и как использует

Данные на входе

Патент фокусируется на двух основных типах данных:

1. Технические факторы (Кинематика ввода на устройстве):

• Координаты касания (Locations): Точное местоположение касания на виртуальной клавиатуре относительно границ клавиш.
• Продолжительность нажатия (Durations): Время контакта с клавиатурой.
• Сила давления (Amount of pressure): Уровень приложенной силы при касании.
• Нерегистрируемый ввод: Касания вне зон клавиш или касания с недостаточным давлением/продолжительностью.

2. Поведенческие и Исторические факторы (Серверные данные):

• Логи поисковых запросов (Popularity Data): Исторические данные о том, как часто определенные текстовые строки использовались в качестве поисковых запросов другими пользователями.

Какие метрики используются и как они считаются

1. Spellcheck Ranking (Вероятность написания): Рассчитывается на основе кинематики ввода и/или лингвистических моделей. Оценивает, насколько вероятно, что пользователь намеревался ввести именно этот текст, исходя из того, как он печатал.
2. Popularity (Частота запросов): Количественная метрика, отражающая глобальную частоту использования текстовой строки в поиске.
3. Score (Итоговая оценка): Комбинированная метрика, которая используется для финального ранжирования (Adjusted Ranking). Патент не приводит конкретную формулу, но указывает, что эта оценка является функцией от Spellcheck Ranking и Popularity, и что популярность может перевесить (override) вероятность написания.

Выводы

1. Приоритет популярного интента над точностью ввода: Ключевой вывод заключается в том, что Google готов пожертвовать точностью буквальной интерпретации ввода пользователя в пользу более популярного поискового намерения. Система активно направляет пользователя к устоявшимся и частым запросам.
2. Популярность как решающий сигнал интента: Частота использования запроса (Popularity) является критически важным сигналом для разрешения неоднозначностей ввода. Если запрос встречается часто, система предполагает, что пользователь, скорее всего, имел в виду именно его, даже при наличии опечаток.
3. Использование кинематики ввода: Для понимания намерений на мобильных устройствах Google использует детальные данные о том, как пользователь печатает (координаты, время, давление), а не только результирующий текст.
4. Оптимизация подсказок под поисковые запросы: Система оптимизирована для предложения наиболее вероятного поискового запроса, а не просто для исправления орфографической ошибки в тексте. Это фундаментальное различие, важное для SEO.

Практика

Best practices (это мы делаем)

• Фокус на устоявшихся поисковых паттернах (Search Volume): Сосредоточьте SEO-стратегию на создании контента, который соответствует популярным запросам с подтвержденной частотностью. Система подсказок будет активно направлять пользователей именно к этим формулировкам, даже если они ошибаются при вводе.
• Анализ Autocomplete как источника истины: Регулярно и тщательно анализируйте поисковые подсказки (Autocomplete). Они являются прямым отражением работы этой системы — это то, что Google считает наиболее популярной и вероятной интерпретацией ввода. Используйте эти данные для формирования семантического ядра.
• Построение бренда и популярности запросов: Работайте над повышением узнаваемости бренда и частотности связанных с ним запросов. Чем выше Popularity вашего бренда, тем вероятнее система предложит его при неоднозначном вводе.

Worst practices (это делать не надо)

• Таргетинг на опечатки (Misspelling Targeting): Стратегии, основанные на оптимизации страниц под частые опечатки, становятся неэффективными. Описанная система агрессивно исправляет такие вводы на правильный и популярный вариант еще до выполнения поиска.
• Игнорирование популярных формулировок в пользу редких НЧ: Оптимизация только под крайне редкие низкочастотные варианты запросов может привести к потере трафика, так как система подсказок будет перенаправлять пользователей на более популярную формулировку, под которую вы можете быть не оптимизированы.

Стратегическое значение

Патент подтверждает стратегию Google по стандартизации пользовательского ввода, основываясь на «мудрости толпы» (глобальной популярности запросов). Для SEO это означает, что понимание реального, устоявшегося спроса критически важно. Система ввода выступает фильтром, консолидирующим спрос вокруг популярных тем. Это также усложняет продвижение новых терминов или брендов, пока они не наберут популярности в поиске, так как система будет склонна интерпретировать их как ошибки ввода более известных терминов.

Практические примеры

Сценарий: Разрешение неоднозначности ввода в пользу популярного запроса

1. Ввод пользователя: Пользователь на мобильном устройстве быстро вводит запрос, похожий на «Amazin», но касания неточны.
2. Локальная обработка (Spellcheck): Устройство анализирует кинематику ввода. Spellcheck Engine определяет двух кандидатов:
   • Кандидат А: «Amazin» (более точное соответствие кинематике, Spellcheck Ranking = 0.6)
   • Кандидат Б: «Amazon» (менее точное соответствие кинематике, Spellcheck Ranking = 0.5)
3. Обработка на сервере (Popularity): Кандидаты отправляются на сервер. Анализ частоты запросов показывает:
   • Кандидат А («Amazin»): Очень низкая популярность.
   • Кандидат Б («Amazon»): Чрезвычайно высокая популярность.
4. Переранжирование: Система определяет, что высокая популярность Кандидата Б перевешивает более высокий Spellcheck Ranking Кандидата А. Рейтинг Кандидата Б повышается.
5. Результат: В списке подсказок «Amazon» отображается выше, чем «Amazin».
6. Итог для SEO: Трафик направляется по высокочастотному брендовому запросу «Amazon».

Вопросы и ответы